知變、應變與求變

這是一個變動的年代，最近機器人主題受到關注，一些很熱的議題包括工業4.0、Bank 3.0、金融科技（fintech），以及人的飯碗會被機器人取代等等議題也跟著發酵。一部分原因，也是因為資訊服務產業餅要做大，隨著開放系統、網路化、行動化需提供新平臺技術的硬體軟體系統服務，從製造業，進到金融產業，及進到其他服務業等以便帶來機會，有時候需求是可以被創造出來的，如此才可能增加營收，創造更大的餅。因此同時也有許多人提到人工智慧機器人將取代專業人士，包括會計人員、會計師，銀行員等。

資訊科技不停翻新，基本邏輯原則相同

記得我1980年代在美國UCLA攻讀博士的時候，我的論文是電腦審計專家知識，那時專家系統（expert systems）蓬勃發展，人工智慧（artificial intelligence）開始起步，當時的論文多著重在人工智慧軟體系統規則邏輯的討論，實體機器人還在萌芽的階段。而現在看到的是實體機器人用在工廠、在銀行迎賓、在醫院照顧，應用上更加的具體。當時也有許多討論各行各業專家將被專家系統取代的論述，當然隨著行動、數位網路普遍、高速頻寬，過去使用的平臺跟現在網路、行動化使用的平臺資料庫資料倉儲管理系統，及系統開發工具也有極大的不同，但是設計的基本的邏輯與原則是類似的，學術知識能量是累積的。

我在1990年代回到臺灣大學任教的時候，第一個與財政部賦稅署合作的計畫，主要為擷取財政部稽核組專家查稅選案規則，並與營業稅、所得稅、公司財報、總體經濟各方面有關的資料庫等等，進行交叉比對驗證，最後將選案規則程式化成為if then的rule based system。

南韓棋王與google開發的人工智慧圍棋AlphaGo纏鬥五戰，最終獲得一勝四負的成績。各界討論：人會被取代嗎？以下我則從人機如何互補的觀點來談談。

其實除了人工智慧圍棋AlphaGo外，模擬銀行的授信理財顧問，或是提供稅務規劃諮詢的會計師機器人的設計，需用到機器學習（machine learning）、類神經網路（artificial neural networks）、大數據（big data）的技術，模擬人腦神經元的運作原理，用巨量的資料訓練，每一筆資料是一個案例，以及關於案例的相關資訊，像是怎樣的棋會活，怎樣的棋會死，累積這些資訊與案例的經驗學習成一些if then規則，形成人工腦，然後就可以用它的直覺來判斷棋局的情勢好壞。這些直覺機器人是可以累積學習的！

機器無法取代的，是人的溫度與心

人和電腦比運算速度與記憶，應該比不過。但是人應該培養的是感性、同理心、思考力、創新的能力。未來針對例如銀行業授信理財、會計師事務所會計、審計、稅務執行與諮詢，要去思考的是如何運用機器來強化人類記憶力與速度，保留創新、思考、感性、提升服務溫度的人才，為顧客提供更好的服務，這是不能被機器取代的。在這個低頭滑手機的年代，不能忽略了與別人的眼神交流（eye contacts），關心同事、關心客戶、有同理心、給人溫度的互動。

史蒂芬‧史匹柏（Steven Spielberg）在今（2016）年哈佛大學畢業典禮演講當中要求在場所有來賓：「..請保持聯繫，千萬別忽視眼神交流。我們花在低頭看手機的時間勝於接觸彼此的目光。」還讓現場所有人找個對象進行目光接觸，他說：「學生、校友，校長也要。所有人都轉向你不認識或不熟悉的人，也許是站在你身後的人，也許是你前面幾排的人。眼神接觸即可，僅此而已。你所感受到的是我們共同的人性，參雜一些社交不適感。」並提到：「也許你們偶爾該像E.T.一樣：回家。」

教育培養人才需要的是強化創新、思考、感性、提升服務溫度的能力。這些機器需要人來發明、硬體、軟體設計或是修改，機器人都離不開我們。企業內部輔導員工訓練學習，需要一個楷模（role model），所以任何有關人才培育的工作，還是需要人的溫度。金融服務能長成甚麼形式，也需要人的創意和想像力來定義。